傳統(tǒng)單機仿真平臺缺乏統(tǒng)一的資源管理,對單機系統(tǒng)要求較高,復雜仿真過程中生成的海量數(shù)據(jù),如仿真中間數(shù)據(jù),不能進行集中有效管理,而這些仿真數(shù)據(jù)對于產(chǎn)品研發(fā)是非常寶貴的參考資料。本文把云計算技術(shù)和仿真設計、仿真計算以及數(shù)據(jù)管理相結(jié)合,打通計算層、存儲層以及調(diào)度層的數(shù)據(jù)接口,整合現(xiàn)有軟硬件資源,提供統(tǒng)一的資源的調(diào)度和管理機制,實現(xiàn)設計經(jīng)驗的規(guī)范化保存和資源的統(tǒng)一管理。本文主要研究內(nèi)容如下:1.云仿真平臺架構(gòu)設計。實現(xiàn)了基于云的、開放、共享的網(wǎng)絡協(xié)同仿真服務平臺架構(gòu)構(gòu)設計,支持多用戶同時使用云仿真平臺進行不同任務的仿真建模與演示,實現(xiàn)了開源仿真系統(tǒng)Scilab/Xcos的云化管理。2.云仿真平臺數(shù)據(jù)資源管理。針對云仿真平臺在高并發(fā)情況下讀寫鎖競爭嚴重,導致云仿真平臺服務質(zhì)量下降的問題,基于改進后的CAS算法將云仿真平臺數(shù)據(jù)層鎖機制由悲觀鎖優(yōu)化為樂觀鎖,降低了高并發(fā)場景下云仿真平臺數(shù)據(jù)層鎖競爭,同時改進了云平臺讀流程,實現(xiàn)了網(wǎng)絡讀,短路讀和文件零拷貝讀的層次讀取,有效提高了數(shù)據(jù)讀取效率。3.云仿真平臺計算資源管理調(diào)度�；谶h程直接數(shù)據(jù)存取技術(shù)改進了云仿真平臺跨界點計算的資源調(diào)度機制,有效緩解了云仿... 

【文章來源】：中北大學山西省

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【部分圖文】：

云平臺總體設計圖

中北大學學位論文92.3.2客戶端客戶端仿真工具采用開源的仿真工具Scilab，Scilab的核心架構(gòu)是模塊化仿真，每一類功能或者任務都可以分為一個個單獨功能包（module）。每個功能包都執(zhí)行各自對應的功能和任務，相互盡量不影響，以使得功能包之間相互的耦合性降到最低。如圖2-4所示是SiROS基礎系統(tǒng)的界面。圖2-4SiROS基礎系統(tǒng)界面Fig2-4Simulationdeductionsysteminterface2.3.3接口層設計云仿真平臺采用了以資源為中心，以面向服務為架構(gòu)。接口層提供標準化RESTful的數(shù)據(jù)服務接口。RESTfulAPI是目前比較成熟的一套互聯(lián)網(wǎng)應用程序的API設計理論。標準化數(shù)據(jù)服務接口遵循RESTfulAPI開發(fā)規(guī)范將具備如下優(yōu)點：(1)接口URL具有很強可讀性的，具有自描述性，方便查看及調(diào)用。(2)便于文檔化和描述RESTfulAPI，減輕閱讀接口文檔的工作量，提高互操作性；(3)提供無狀態(tài)服務接口，提高了應用程序水平擴展性。

中北大學學位論文10如圖2-5所示，云仿真平臺接口層接收客戶端仿真工具服務請求，通過負載均衡模塊將服務請求均衡的分發(fā)給服務網(wǎng)關(guān)，服務網(wǎng)關(guān)選取相應的數(shù)據(jù)服務。同時，網(wǎng)絡接口層對云平臺進行進行鏈路跟蹤，集群監(jiān)控以及服務容錯保護。圖2-5接口層架構(gòu)圖Fig2-5Interfacelayerarchitecturediagram2.3.4計算層設計云仿真平臺計算層由平臺的基礎計算集群組成，采用Spark并行計算框架，以PaaS架構(gòu)形式向客戶端提供基礎計算服務。Spark是專為大規(guī)模數(shù)據(jù)處理而設計的快速通用的計算引擎。Spark使用了內(nèi)存分布數(shù)據(jù)集，除了能夠提供交互式查詢外，它還可以優(yōu)化迭代工作負載。其部署模式主要有三種[20](1)本地模式Local[N]模式。用單機的多個線程來模擬Spark分布式計算，直接運行在本地，便于調(diào)試。(2)Standalone模式。獨立模式，自帶完整的服務，可單獨部署到一個集群中，無需依賴任何其他資源管理系統(tǒng)。。(3)SparkOnYarn模式。SparkonYarn支持兩種模式：客戶端和集群模式。1)客戶端模式

【參考文獻】：
期刊論文
[1]一種跨HDFS集群的文件資源分布式高效存儲方法[J]. 戴威.  電子設計工程. 2019(21)
[2]蟻群優(yōu)化算法的Docker集群調(diào)度策略[J]. 李東光,劉智平,姜雨菲.  西安工業(yè)大學學報. 2019(03)
[3]基于云平臺的大壩安全監(jiān)測數(shù)據(jù)管理及分析系統(tǒng)研發(fā)與應用[J]. 牛廣利,李端有,李天旸,何亮.  長江科學院院報. 2019(06)
[4]一種HDFS元數(shù)據(jù)分級存儲策略[J]. 馬東,邵維專.  現(xiàn)代計算機(專業(yè)版). 2018(08)
[5]NV-Shuffle:基于非易失內(nèi)存的Shuffle機制[J]. 潘鋒烽,熊勁.  計算機研究與發(fā)展. 2018(02)
[6]Spark內(nèi)存管理及緩存策略研究[J]. 孟紅濤,余松平,劉芳,肖儂.  計算機科學. 2017(06)
[7]云計算環(huán)境下的資源調(diào)度和優(yōu)化方法[J]. 陳文慶,程雪穎.  激光雜志. 2016(06)
[8]基于云仿真平臺的高可用技術(shù)研究[J]. 周利敏,傅妍芳,高武奇,高祥,程兵.  系統(tǒng)仿真學報. 2015(04)
[9]基于hadoop云平臺的智能電網(wǎng)HDFS資源存儲技術(shù)研究[J]. 孟祥萍,周來.  電測與儀表. 2014(19)
[10]基于云計算的電子政務大數(shù)據(jù)管理研究[J]. 迪莉婭.  圖書館理論與實踐. 2013(12)

碩士論文
[1]基于HBase的高效數(shù)據(jù)存取平臺的設計與實現(xiàn)[D]. 張祎.北京郵電大學 2018
[2]Spark數(shù)據(jù)處理平臺中內(nèi)存數(shù)據(jù)空間管理技術(shù)研究[D]. 王海華.北京工業(yè)大學 2016



本文編號：3432999